基于主轴电机电流信号的表面粗糙度检测

针对表面粗糙度不能及时检测造成的工件浪费问题,首次提出根据主轴电机电流信号进行表面粗糙度检测分类。通过实验采集不同表面粗糙度加工时的主轴电机电流信号,采用小波包分解将电流信号分解成不同频段,借助能量特征和裕度因子对不同频段电流信号进行评估,过滤低相关性频段,再通过随机森林筛选特征,降低特征的冗余性。总谐波失真特征实现了积屑瘤检测,仅依赖构建的电流信号特征工程表面粗糙度检测准确率高达95%以上,并且检测时间在2 s以内,基本实现了工件表面粗糙度的快速准确检测。

Savitzky Golay-WPT在滚刀主轴振动信号降噪中的应用

为消除滚齿机在加工过程中,滚刀主轴振动信号因环境影响而产生的噪声信号,提出一种基于Savitzky Golay-WPT的信号降噪方法。对原信号进行计算,得其最佳小波包分解树;根据最佳分解树,进行小波包变换(WPT),得小波包系数;利用阈值函数对小波包系数进行筛选;结合最小二乘拟合方法对小波包筛选后系数进行重构。结果表明:与传统小波包和CEEMDAN相比,所提方法降噪性能分别提高31.35%和22.71%;在实际加工数据中,与传统小波包方法对比,该方法可减少中心频率周边干扰,使中心频率特征更突出,降噪效果更明显。

FANUC数控系统主轴速度功能的基本认识与应用

本文谈谈对调试CK6180C/3000机床主轴速度功能中的一些硬件与编制PLC程序中问题分析和处理。

基于SSA-BP算法的刀具破损状态在机识别技术

刀具的破损状态对机床的加工精度和加工表面质量有着重要的影响,若破损后未及时停机更换新刀,则会造成工件报废、机床损坏等严重后果。本文针对主轴电流信号,采用一种改进后的麻雀搜索优化BP神经网络算法(SSA-BP),对BP神经网络的权值和阈值进行优化,并对刀具破损状态进行识别。与传统BP神经网络和基于遗传算法优化的BP神经网络(GA-BP)相比,改进后的SSA-BP算法分类精度更高,耗费时间更短,神经网络稳定性更好,更适用于刀具破损状态的判断。

综合振动信号能量比和幅值标准差的铣削颤振实时监测方法

航空航天装备中诸多薄壁结构件铣削加工过程中的颤振现象是影响加工质量的主要因素之一,为避免颤振的持续发生,提出综合振动信号能量比和幅值标准差的铣削颤振实时监测方法。首先通过三向加速度传感器测得铣削加工过程中的主轴实时振动信号,其次从中提取能量比和辅助监测指标幅值标准差,然后进行特征层融合并得到6个监测指标,最后监测模型输出采样时间段的铣削加工状态。测试试验结果表明,当所有工艺参数都变化时,该方法对颤振状态的识别准确率可达99.07%。数值试验结果则表明该方法能够满足在线颤振监测的实时性要求。该方法有效解决了铣削颤振在线监测应用的两大难点——泛化性(工艺泛化能力)差和实时性低。

织机送经量数字化测试方法

介绍一种基于虚拟仪器技术的织机送经量数字化测试方法,并对多台喷气织机的该项指标进行测试。结果表明,与其它测试方法相比,该方法具有测量快速、准确、精度高、编程简单、通用性强等特点。

基于HHT算法与主轴功率信号的刀具磨损状态在线监测

对刀具磨损状态进行在线监测是提高加工效率、改善产品质量的重要途径,提出了一种基于希尔伯特-黄变换(HHT)和机床主轴功率信号的刀具磨损状态在线监测方法,并设计了六组实验用于研究切削用量、工件材料、加工方式等因素对该方法监测精度的影响。实验结果表明,在不同加工工况条件下,基于希尔伯特-黄变换和主轴功率信号构造的磨损系数与刀具的实际磨损量均有较高的相关性,相关系数约为0.85,最高可达0.98,即所研究的因素对该方法监测精度影响较小。表明文章提出的刀具磨损状态在线监测方法具有良好的可行性和适用性,能够满足工业中的应用需求。

数控车床主轴编码信号传输电路的抗干扰措施

主轴编码信号长距离传输电路的抗干扰问题是数控车床及普通车床的数控改造所必须解决的问题之一。本文简要叙述了我们在实际工作中采取的一些抗干扰措施,实用证明,这些措施是行之有效的。